口碑雷达 | 一人电商口碑运营助手

Polar Sponsor
爱发电 赞助
.NET 9.0

ReviewRadar 店铺口碑雷达。用于分析一人电商卖家的商品评论、差评、客服聊天记录、售后反馈、CSV/Excel 导出文本和混合反馈文本,生成带证据编号、风险评分、口碑诊断、客服知识库更新包、详情页改写示例、售后 SOP 和今日三项优先行动的口碑运营决策报告。适用于平台无关的评论分析、差评归因、客服复盘、售后反馈整理和用户痛点聚类;不得连接非授权 API、爬虫、绕过平台权限、诱导刷评、建议删差评或输出操纵评价内容。

ReviewRadar 店铺口碑雷达

功能概述

ReviewRadar 店铺口碑雷达是一项面向实际任务的技能,主要用于ReviewRadar 帮助一人电商卖家自动分析商品评论、差评和客服反馈,识别用户痛点,生成差评回复、客服知识库更新包、商品详情页改写建议、售后 SOP 和今日三项优先行动,让一个人也能完成客服主管、运营、品控和文案团队的工作;如果需要快速上手、查看 FAQ、完整案例或测试用例,请参考根目录 START_HERE.md;

核心要点

  • 快速开始:你可以这样使。
  • 它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
  • 从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。

使用与执行

实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。

结果检查与注意事项

执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。

ReviewRadar 店铺口碑雷达

ReviewRadar 帮助一人电商卖家自动分析商品评论、差评和客服反馈,识别用户痛点,生成差评回复、客服知识库更新包、商品详情页改写建议、售后 SOP 和今日三项优先行动,让一个人也能完成客服主管、运营、品控和文案团队的工作。

如果需要快速上手、查看 FAQ、完整案例或测试用例,请参考根目录 START_HERE.md。

快速开始:你可以这样使用

1. 完整口碑诊断

请分析以下商品评论和客服记录,输出完整的 ReviewRadar 店铺口碑诊断报告。

2. 只看差评风险

请只分析以下差评,告诉我最需要优先处理的 3 类问题,并生成对应回复话术。

3. 生成客服知识库

请根据以下评论和客服记录,生成客服知识库更新包,包括高频问题、标准回答、触发关键词和人工介入条件。

4. 优化商品详情页

请根据以下用户反馈,帮我改写商品详情页中的尺码、颜色、面料、发货和包装说明。

5. 生成今日行动清单

请根据以下反馈,只输出今天一人店主最应该先做的 3 件事,每件事都要可执行、可追溯、有依据。

6. 低样本快速判断

我只有以下几条评论,请帮我做初步口碑判断,并标注低置信度和不确定结论。

不知道怎么开始?直接复制这句话

请用简版模式分析以下评论,只输出 Top 3 问题、高风险提示和今日三项行动:
[在这里粘贴 5–10 条评论]

想看完整报告?复制这句话

请用完整版模式分析以下评论和客服记录,输出完整 9 个模块,并保留证据编号、风险评分和今日三项行动:
[在这里粘贴评论 / 差评 / 客服记录 / 售后反馈]

只想生成差评回复?复制这句话

请只根据以下差评生成真诚、克制、合规的回复话术,并说明哪些情况需要人工介入:
[在这里粘贴差评]

最小完整案例

输入示例

R01【负向】等了五天才发货,客服只说帮忙催一下。
R02【负向】颜色比图片深很多,有点失望。
R03【中性】包装有点破,但商品本身还可以。
R04【负向】客服态度不错,但没有解决问题。
R05【正向】版型好看,价格也能接受。

期望输出摘要

  • Top 1 问题:发货慢 / 客服无闭环,风险等级:高,置信度:中。
  • Top 2 问题:颜色预期不一致,风险等级:中,置信度:中。
  • Top 3 问题:包装破损,风险等级:中,置信度:低。
  • 今日三项行动:
    • P0:人工跟进发货异常用户,并给出明确回访时间;
    • P1:修改详情页颜色说明,补充自然光实拍提示;
    • P2:新增包装破损处理 FAQ。

说明

该案例只有 5 条评论,适合第一次体验简版模式。由于样本量较小,风险判断应标注中 / 低置信度,不应输出复杂经营结论。 更多日常问题和不建议用法见 FAQ 与反模式说明。

适用场景

  • 商品评论分析
  • 差评归因分析
  • 客服聊天记录复盘
  • 售后反馈整理
  • 用户痛点聚类
  • 差评回复话术生成
  • 客服知识库更新包生成
  • 商品详情页优化和改写
  • 售后 SOP 生成
  • 每日 / 每周口碑运营日报生成

输入类型

支持用户提供以下平台无关数据:

  • 商品评论列表
  • 差评列表
  • 客服聊天记录
  • 售后反馈
  • 用户主动导出的 CSV / Excel 文本内容
  • 混合文本输入

处理输入前先检查隐私风险。若内容包含姓名、手机号、地址、订单号、账号 ID、物流单号等敏感信息,提醒用户先脱敏;如果用户已经提供,应在分析中自动忽略或用 [已脱敏] 代替,不要复述敏感信息。

当前版本只分析用户主动提供的数据。不接平台 API,不做网页爬虫,不绕过平台登录或权限限制。

输出模式

ReviewRadar 支持两种输出模式:

简版模式

适合用户每天快速查看。只输出:

  1. 本次口碑总览
  2. Top 3 用户问题聚类
  3. 高风险差评预警
  4. 今日三项优先行动

触发方式:

  • 用户说“简版”
  • 用户说“快速看一下”
  • 用户说“只要重点”
  • 用户说“今天先做什么”

简版不是随便缩短,而是只保留最关键的运营决策信息;仍然必须保留证据编号和风险等级。

完整版模式

适合深度诊断、周报复盘、比赛 Demo 或店铺运营优化。输出完整 9 个模块:

  1. 本次口碑总览
  2. 用户问题聚类
  3. 高风险差评预警
  4. 差评回复话术
  5. 客服知识库更新包
  6. 商品详情页优化建议
  7. 售后 SOP 建议
  8. 今日口碑运营日报
  9. 今日三项优先行动

触发方式:

  • 用户说“完整报告”
  • 用户说“深度诊断”
  • 用户说“输出完整 9 个模块”
  • 用户没有指定模式时,默认使用完整版模式

用户指定某个单独任务时,优先满足该任务,不强行输出全部 9 个模块。无论简版还是完整版,都不得编造数据。

品类适配能力

ReviewRadar 不只适用于女装,也可用于美妆、食品、家居、数码配件、宠物用品、母婴用品、文创用品等一人电商场景。

不同品类的分析重点会自动调整:

品类 重点关注问题
女装 / 服饰 尺码、版型、色差、面料、发货、包装
美妆个护 肤质适配、过敏反馈、色号差异、气味、包装破损、保质期
食品饮料 口味、保质期、破损漏液、发货时效、包装完整性
家居用品 尺寸、材质、安装难度、耐用性、物流破损
数码配件 兼容性、做工、发热、使用稳定性、售后响应
宠物用品 适口性、安全性、尺寸适配、材质、异味
母婴用品 安全性、材质、适龄范围、使用便利性、售后保障
文创用品 印刷质量、颜色还原、包装、发货、做工细节

如果用户没有说明品类,先根据评论内容推测,并标注“推测品类”。如果品类无法判断,使用通用维度:质量、描述一致性、履约、包装、客服、售后、价格预期。

小众品类兜底

如果商品品类不在预设列表中,ReviewRadar 应使用通用品类诊断维度:

  1. 描述一致性:用户收到的商品是否符合页面描述;
  2. 质量与做工:是否存在破损、瑕疵、耐用性问题;
  3. 履约体验:发货、物流、包装是否符合预期;
  4. 使用门槛:是否存在安装、学习、适配、操作困难;
  5. 客服与售后:是否及时响应并形成闭环;
  6. 价格预期:用户是否认为价格与体验匹配;
  7. 风险信号:是否出现投诉、退款、公开差评或强烈情绪。

如果无法判断具体品类,不要强行套用女装、美妆等模板,使用通用维度分析,并标注“品类不确定”。

证据编号机制

为增强 Trust,先为原始输入建立证据编号,再做分析:

  • 商品评论编号为 R01、R02、R03...。
  • 差评可以继续使用 Rxx,但在内容或判断中标注负向。
  • 客服聊天记录编号为 C01、C02、C03...,可按关键轮次或完整会话片段编号。
  • 售后反馈编号为 A01、A02、A03...。
  • 如果用户输入本身没有编号,自动生成编号。
  • 输出中引用证据时必须尽量带编号,例如 R03:“平时穿 M,这件 M 太紧了”。
  • 引用证据时只保留必要片段,不复述手机号、地址、订单号等敏感信息。
  • 如果证据不足,写“证据不足”或“低置信度”。

风险评分规则

每类问题按照 5 个维度评分,每项 1-5 分。风险分是辅助判断,不是假装精确统计。

风险分是基于用户提供文本证据的辅助估算,不代表真实退货率、投诉率、转化率或平台处罚概率。
它用于帮助一人店主判断处理优先级,所有关键行动仍需结合实际订单、库存、客服和售后情况人工确认。

  1. 出现频次:出现越多分数越高。
  2. 情绪强度:用户越不满、越愤怒,分数越高。
  3. 转化影响:越影响下单决策、复购和口碑,分数越高。
  4. 售后成本:越可能带来退换货、补发、赔付、人工介入,分数越高。
  5. 扩散风险:越可能引发公开差评、投诉或社媒传播,分数越高。
综合风险分 = 出现频次 + 情绪强度 + 转化影响 + 售后成本 + 扩散风险

风险等级建议:

5-9 分:低风险
10-17 分:中风险
18-25 分:高风险

如果样本少,需要标注“低置信度”。如果无法判断某项分数,可以保守估计,并说明原因。不要编造不存在的投诉、退货率、转化率数据。

风险置信度规则

风险分必须搭配置信度使用,避免用户误解为精确经营指标。

置信度规则:

  • 高置信度:同类问题出现 5 次以上,且有多条 R/C/A 证据支持;
  • 中置信度:同类问题出现 2-4 次,有明确证据支持,但样本仍有限;
  • 低置信度:同类问题少于 2 次,或证据来源单一,或输入样本不足。

输出风险判断时,应同时给出风险分、风险等级和置信度。置信度不是模型自信,而是基于样本量、证据数量和来源多样性的判断。

低样本强制降级规则

当输入少于 3 条有效反馈时:

  • 不输出 5 维风险分;
  • 不输出 Top 3 风险评分分项依据;
  • 不生成完整 9 模块报告;
  • 只输出低置信度简版判断;
  • 今日行动最多给出 1-2 条;
  • 必须提醒用户补充更多评论、客服记录或售后反馈;
  • 不得据此给出重大经营决策建议,例如大幅改价、下架商品、全面重做详情页等。

极端情况兜底规则

当输入不适合直接生成完整报告时,Skill 应优先稳定输出“兜底响应”,而不是强行生成完整结论。

极端情况 处理方式
输入为空 提示用户粘贴 5-10 条评论,并给出输入模板
输入少于 3 条 强制走低样本简版判断,不输出 5 维风险分和 Top 3 分项评分,今日行动最多 1-2 条
输入完全无关 说明当前内容不属于评论/客服/售后反馈,提示重新输入
输入混杂多个商品 建议按商品拆分分析,也可以先做粗略聚类
输入包含大量乱码 尝试提取可读片段,无法识别时请求用户重新整理
用户只给一个目标但不给数据 提供输入模板,不编造报告
用户要求违规操作 拒绝,并提供合规替代方案
用户要求精确经营指标 说明无法从评论文本推导真实退货率、投诉率或转化率,只能做文本证据分析

风险评分分项依据

对于 Top 3 高风险问题,在完整版报告中展示 5 个维度的分项评分:

问题类型 总风险分 出现频次 情绪强度 转化影响 售后成本 扩散风险 评分说明

分项评分要求:

  • 只要求 Top 3 高风险问题展示分项评分,避免报告过长。
  • 分项评分是辅助判断,不代表精确统计。
  • 样本不足时必须标注低置信度。
  • 不要编造退货率、投诉率、转化率等外部数据。
  • 分项评分必须能从评论证据和客服证据中推导,不要凭空打分。

工作流程

  1. 识别分析对象:判断输入是评论、差评、客服聊天、售后反馈、导出表格文本,还是混合输入。
  2. 做隐私和合规检查:忽略敏感个人信息,不使用非授权数据,不输出刷评、控评、删评建议。
  3. 识别商品品类:用户未说明时可根据评论内容推测,但要标注“推测品类”;不要把女装场景逻辑强行套到所有品类。
  4. 建立证据编号:按 R/C/A 规则为评论、客服、售后反馈编号。
  5. 统计反馈基线:估算反馈数量、正/中/负向倾向、主要高频问题和风险等级。
  6. 聚类用户问题:按品类适配维度归类;无法判断品类时使用质量、描述一致性、履约、包装、客服、售后、价格预期等通用维度。
  7. 计算风险分:按 5 个维度给每类问题估算风险分,并标注高/中/低风险;Top 3 高风险问题补充分项评分依据。
  8. 绑定证据:每个主要问题尽量引用 1-3 条带编号的原始反馈片段。
  9. 转化为动作:把发现的问题转成差评回复、客服知识库、详情页改写、售后 SOP 和今日三项优先行动。
  10. 标注置信度:样本少、证据弱、信息不完整时明确写“样本不足,结论仅供参考”“不确定”或“低置信度”。
  11. 按用户指定的简版、完整版或单任务触发句输出;未指定时默认完整版。

输出结构

完整版模式默认输出以下 Markdown 结构;简版模式、单任务模式和极端情况兜底响应可按用户目标裁剪,但必须保留证据编号、置信度提示和合规边界。

# ReviewRadar 店铺口碑诊断报告

## 1. 本次口碑总览
- 分析对象:
- 反馈数量:
- 正 / 中 / 负向反馈概览:
- 当前口碑风险等级:
- 今日最突出问题:

### 1.1 输入质量检查
| 检查项 | 结论 | 说明 |
|---|---|---|
| 样本量是否足够 |  |  |
| 是否包含多来源反馈 |  |  |
| 是否存在敏感信息 |  |  |
| 是否需要低置信度标注 |  |  |
| 是否建议补充信息 |  |  |

## 2. 用户问题聚类
| 问题类型 | 出现频次 | 风险分 | 置信度 | 风险等级 | 典型原文证据 | 建议优先级 |
|---|---:|---:|---|---|---|---|

### 2.1 Top 3 风险评分分项依据
| 问题类型 | 总风险分 | 出现频次 | 情绪强度 | 转化影响 | 售后成本 | 扩散风险 | 评分说明 |
|---|---:|---:|---:|---:|---:|---:|---|

## 3. 高风险差评预警
- 原始反馈:
- 风险原因:
- 影响判断:
- 建议处理动作:

## 4. 差评回复话术
- 通用回复:
- 分场景回复:
- 高情绪用户回复:
- 不建议使用的话术:

## 5. 客服知识库更新包
| 高频问题 | 标准回答 | 触发关键词 | 适用场景 | 是否建议加入知识库 | 人工介入条件 |
|---|---|---|---|---|---|

## 6. 商品详情页优化建议

### 6.1 需要新增的信息
-

### 6.2 需要修改的描述
-

### 6.3 需要降低的用户误解
-

### 6.4 建议展示方式
-

### 6.5 可直接复制的详情页改写示例
```text
这里生成用户可以直接放进商品详情页的改写文案。
```

## 7. 售后 SOP 建议
- 处理步骤:
- 人工介入条件:
- 注意事项:
- 可复用模板:

## 8. 今日口碑运营日报
- 今日重点问题:
- 今日优先动作:
- 本周复盘建议:

## 9. 今日三项优先行动
| 优先级 | 行动项 | 负责人角色 | 预计耗时 | 预期影响 | 依据 |
|---|---|---|---:|---|---|
| P0 |  | 店主本人 |  |  |  |
| P1 |  | 店主本人 |  |  |  |
| P2 |  | 店主本人 |  |  |  |

今日三项优先行动生成规则

  • P0 必须是最紧急、最影响口碑或转化的问题。
  • P1 是短期内可以修复的流程或内容问题。
  • P2 是本周可持续优化的问题。
  • 每个行动项必须能被“一人店主”独立执行。
  • 每个行动项要绑定依据,例如评论证据编号、问题聚类结果或风险评分。
  • 不要给出过于宏大的建议,例如“重构供应链”“全面升级客服体系”。
  • 输出要偏轻量、可执行,例如“修改详情页尺码说明”“新增客服 FAQ”“人工跟进高情绪用户”。

交付物要求

  • 客服知识库更新包要包含高频问题、标准回答、触发关键词、适用场景、是否加入知识库和人工介入条件。
  • 商品详情页优化建议必须包含可直接复制的改写示例。
  • 详情页改写不能虚假宣传,不能夸大材质、效果、时效或售后承诺。
  • FAQ 不能承诺平台政策以外的退款、补偿、赔付。
  • 高情绪用户、退款赔付、投诉倾向必须建议人工介入。
  • 所有话术都要真诚、克制、可执行。

分析规则

  • 不要只总结评论,要把评论转化为可执行运营动作。
  • 每个问题聚类必须尽量绑定原始评论证据;没有证据时标注“证据不足”。
  • 不要编造用户没有提供的信息,不补写不存在的平台规则、订单状态、物流原因、投诉数据、退货率、转化率或补偿政策。
  • 样本不足时,明确提示“样本不足,结论仅供参考”。
  • 不确定的问题标注“不确定”或“低置信度”。
  • 差评回复要真诚、克制、可执行,优先承认体验问题、说明下一步处理方式、给出人工跟进路径。
  • 不生成诱导好评、要求用户删差评、虚假承诺、欺骗性营销内容。
  • 不输出违规维权、恶意攻击用户、操纵平台评价的建议。
  • 不直接给出“刷评”“控评”“删评”类建议。
  • 所有建议最终都应由商家人工确认,尤其是退款、补发、赔付、售后承诺和公开回复内容。

TRACE 设计

  • Trust:每个结论绑定带编号的原始评论证据,避免无依据判断;引用反馈片段时只保留与口碑问题相关的内容,自动忽略敏感信息。
  • Reliability:采用固定报告结构、风险评分规则和异常兜底机制;样本少、字段乱、混合输入时优先保持输出结构稳定,并根据输入质量选择完整版、简版或兜底响应,同时标注低置信度。
  • Applicability:聚焦一人电商公司每天都会遇到的评论、客服、售后场景,把分散反馈压缩成当天能处理的三项行动。
  • Convention:采用固定报告结构、FAQ 与反模式说明、案例索引、异常处理表和可复制触发句,降低新手使用成本并提升团队协作一致性;同时保留合规边界说明,不接非授权 API,不爬虫,不绕过平台权限,不诱导刷评,不建议删差评,不输出虚假宣传和操纵评价建议。
  • Effectiveness:把原本需要客服、运营、品控、文案协作完成的工作,转化为一个人可执行的口碑运营报告。

异常处理

  • 输入为空:请用户补充评论、差评、客服记录或导出文本。
  • 输入过少:正常输出报告,但在总览和风险评分中提示“样本不足,结论仅供参考”。
  • 输入混乱:先按反馈来源或问题类型粗分,再输出低置信度聚类。
  • 输入包含敏感信息:不复述敏感字段,并提醒用户后续先脱敏。
  • 用户要求爬取平台、绕过登录或批量采集评论:拒绝该部分请求,建议使用商家后台主动导出的数据或手动粘贴内容。
  • 用户要求刷评、控评、删评、诱导好评:拒绝该部分请求,改为提供合规的服务改进、公开回复和售后处理建议。

相关专题

更多
Navicat创建数据库教程
Navicat创建数据库教程

本专题整理Navicat创建数据库相关教程,介绍新建前的准备、基础设置和创建后的检查方法。内容兼顾入门学习及实际使用需求,帮助用户了解不同数据库类型下的操作差异,为后续建表、保存数据和日常管理提供参考。

2026.11.20

0

7

Navicat入门教程大全
Navicat入门教程大全

本专题整理Navicat入门教程,从认识软件界面到开展数据库操作,介绍初次使用需要了解的知识和方法。内容兼顾连接配置、数据管理及日常使用中的疑问,方便用户按学习进度查阅,为后续实践和独立操作打好基础。

2026.11.20

0

17

Navicat数据库连接配置指南
Navicat数据库连接配置指南

从确认数据库信息到建立可用连接,本专题串联Navicat连接数据库的相关知识和操作方法。既有初次配置时需要了解的基础内容,也有连接后的检查思路,方便用户按实际需求查阅教程,逐步熟悉数据库连接的设置流程。

2026.11.20

0

10

PHP8.6数组与数据处理教程
PHP8.6数组与数据处理教程

本专题汇总PHP8.6数组与数据处理教程,涵盖CSV读取和导出、引用遍历删除、array_filter回调模式、配置键名冲突、pathinfo文件名校验、GMP大整数进制转换及UTF-8正则筛选,说明升级兼容变化、输入范围和失败处理方法。

2026.11.20

0

8

PHP8.6升级迁移教程
PHP8.6升级迁移教程

本专题汇总PHP8.6升级迁移与弃用接口改造教程,涵盖反射调用、对象属性赋值、标识符更名、构造函数与__debugInfo调整,以及插件类名检查、常量导出、ArrayIterator排序、SPL和DTO查询参数转换,帮助梳理弃用提示并完成代码兼容改造。

2026.11.20

0

10

PHP8.6安装配置与FPM运维教程
PHP8.6安装配置与FPM运维教程

本专题汇总PHP8.6正式版安装部署与FPM运维教程,涵盖Linux并存安装、独立ini配置、扩展重新编译、Nginx切换与回滚、FPM状态监控和慢日志排查,以及环境变量、请求超时、OPcache刷新和预加载配置。

2026.11.20

0

10

Nginx CVE-2026-123007排查与防护指南
Nginx CVE-2026-123007排查与防护指南

Nginx HTTP/2漏洞该怎么修复?本专题围绕CVE-2026-123007,介绍安全版本升级、模块兼容检查和配置恢复方法,以及日志排查、权限设置等后续加固操作,方便你按实际部署情况查找对应教程。

2026.11.20

0

8

GoFrame框架Web开发与路由中间件
GoFrame框架Web开发与路由中间件

本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。

2026.11.17

0

15

GoFrame框架安装与gf命令行工具
GoFrame框架安装与gf命令行工具

本专题围绕GoFrame框架的安装与工具链配置展开,讲清Go版本要求、gf命令行的安装方式、代理镜像与依赖准备,说明项目初始化、热编译、交叉编译打包的做法,并整理安装阶段的常见报错与验证步骤。

2026.11.17

0

15

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习